智能驾驶芯片的算力是越大就越好吗?

发布者:平安心境最新更新时间:2022-10-13 来源: elecfans关键字:智能驾驶芯片  算力  Thor 手机看文章 扫描二维码
随时随地手机看文章

一块汽车芯片抵一台超算的时间正在临近。

一周前,英伟达发布智能汽车最强芯Thor,单片算力达到2000TOPS,性能相当于Orin的8倍,在相近精度下,算力几乎是前段时间被禁的A100的4倍。


更恐怖的是,Thor的出现直接把尚未问世的Atlan扼杀在摇篮里,这种卷王行为把业内人士都看傻了。


然而,话音未落,在三天后的投资者会议上,另一家芯片豪门高通也发大招,宣布推出“集成式汽车超算SoC” :Snapdragon Ride Flex,SoC外挂NPU的组合算力最高也将达到2000TOPS。


据说有高通工程师在朋友圈放话:这就是我们的回应,给这场算力争霸赛增添了一丝火药味。   英伟达与高通的隔空斗法,真实地反映了智能汽车在数字指标上日益严重的贫富不均——燃油车时代,即使是一台轩逸这样的买菜车,F1方程式赛车的马力也不过是其8倍;而在智能电动汽车上,旁边一辆车的算力可能会是你车的数十倍,甚至数百倍。   透过通货膨胀一般的智能汽车芯片算力,我们尝试回答几个问题:   1、汽车芯片的算力,是怎么卷到2000T的? 2、智能汽车芯片,是不是算力越大越牛X? 3、汽车智能芯片超算化,会变成英伟达和高通的神仙打架吗?    


算力卷王

近些年的智能驾驶发展史,某种程度上可以概括为芯片算力暴涨史。   2016年,因辅助驾驶致死事故和Mobileye分道扬镳的特斯拉,找到英伟达定制了计算平台 Drive PX2,算力为24TOPS[1]。一般来说,TOPS越高,每秒能进行的AI计算越多,能承载的人工神经网络性能也越好。   就像手机、电脑常常用芯片跑分作为卖点,在深度学习席卷汽车行业的浪潮中,TOPS成了衡量智能驾驶能力先进与否的第一指标,英伟达CEO黄仁勋亦有名言:“TOPS就是新的马力”[2]。  今年CES展上,在算力层面吃过亏的Mobileye 发布算力为176T的EyeQ Ultra,相比EyeQ4提升50倍。同样,地平线今年即将登陆理想L8的J5芯片,算力亦高达128T,是J2芯片的34倍,唯恐落后于对手。   英伟达更是深谙算力即权力的游戏规则,继Drive PX2之后,英伟达在6年时间内发布了三代智能驾驶芯片,从Xavier、Orin再到Thor,算力实现从30TOPS到254TOPS再到2000TOPS的跃迁,每一代都是“芯皇”般的存在。   如果以Drive PX2为基准,10年内英伟达的智能驾驶芯片AI算力增长了83倍,比传统的摩尔定律还要快。  

1b8701fa-46c2-11ed-96c9-dac502259ad0.png

英伟达Thor智能驾驶芯片   为什么智能驾驶芯片这么“丧心病狂”地堆算力?这当中,既有英伟达两年一更新芯片架构的努力,也有台积电不断提高芯片制程工艺极限的功劳,但更重要的是有市场,翻译过来就是,下游企业纷纷患上了算力饥渴症。  其一,智能汽车上的传感器规格与数量均在近几年有了飞跃,带来了数据的暴涨。   比如今年开始交付的蔚来ET7,全车搭载33个传感器,其中包括11枚800万像素高清摄像头,1个高精度激光雷达,5个毫米波雷达等,传感器每秒产生仅图像数据就达到8G,约等于一部90分钟的高清蓝光电影[3]。   为满足智能驾驶的实时处理需求,蔚来不得不启用4枚Orin组成算力1016T的计算平台——传感器太多导致数据爆炸,单芯算力已是应对不及。   同时,智能驾驶算法的“大模型化”,也让芯片算力愈发吃紧。  

1bf738da-46c2-11ed-96c9-dac502259ad0.png

特斯拉FSD感知算法比早期的Autopilot算法复杂得多   去年,特斯拉率先在智能驾驶系统的感知模块中启用新型神经网络Transformer,相比于传统的CNN,Transformer性能大涨,可以帮助系统实现三维感知,并能拥有和人类一样的“记忆”能力。   特斯拉开路之后,Transformer迅速席卷行业,但它并非没有代价——参数极多,消耗计算资源大,长城汽车旗下的自动驾驶公司毫末智行就发现,“Transformer所需算力是CNN所需算力的100倍(在训练端)[4]。”   其次,汽车电子电气架构的集中化,也在催生超级芯片。  


为了便于车内数据交互、降低总体成本,汽车行业正在竭力减少散落在车内各处的上百个ECU,将它们负责的计算任务整合到尽可能少的芯片中——汽车电子电气架构已由最早的分布式计算迭代到目前的域控计算,而下一代将是所需芯片更少的中央计算。


与之对应,“舱驾融合”的概念被提出来,这是一个终极目标:一枚主芯片同时负责智能驾驶与智能座舱的计算任务(当然会有其他小芯片辅助)。而自动驾驶动辄上千T的算力要求,和车内动辄几块2K屏的大屏趋势,逼迫这枚芯片必须在性能上狂飙。   面对这些需求,英伟达在产品线上果断砍掉了去年发布的智能驾驶专用芯片—算力1000T的Atlan,以2000T算力的Thor取而代之,高通Flex平台紧急跟进,两家企业(在口头上)将智能汽车芯片送进了超算时代。    


算力越大≠效果越好

在分析英伟达制霸AI芯片市场,股价五年暴涨20倍的原因时,分析师们往往会草草地抛出一个观点:算力为王。车企们在宣传智能汽车时,也常常有意无意地向用户传达一种思想:算力越大越牛X。   不过这并非事实。在真实的智能驾驶系统中,更大的算力只提供牛逼的可能性,但不保证牛逼的确定性。  一方面,企业通常对外宣传的TOPS,是一块芯片的AI峰值算力,但在实际运行中,芯片算力很难被充分利用。  


一个不那么为人所知的事实是,在高数据量的计算任务中,最大的瓶颈常常是存储带宽而非算力。因为计算单元的运行频率远高于存储单元,芯片会陷入“算力等数据”的状态,高算力其实在空转[5]。  这就相当于餐厅里有一位米其林大厨,做饭又快又好吃,但受制于切菜工的效率,导致出餐率一直上不去。

1c72a3d0-46c2-11ed-96c9-dac502259ad0.png

存储能力成为AI应用的主要瓶颈   有效运用高算力的一个方法是在芯片中放置更多的高速缓存(SRAM),这种存储单元与计算单元距离更近,数据传输的延迟更低,可有效提升带宽。   比如特斯拉在其FSD芯片内封装了32MB的高速缓存,缓存带宽达到2TB/s,将每秒能处理的图像从Drive PX2的100余帧提升至2300帧,为其FSD Beta算法提供了基础[6]。


但特斯拉做到这一切的前提是斥巨资从硅谷找到顶级半导体人才,进行自主研发,而能同时满足这样条件的车企并不多。   另一方面,即使通过各种方法尽可能把芯片算力用满,也不代表万事大吉——算力是智能驾驶的基础,算法才是灵魂。  关于算法的重要性,在游戏行业有一个生动的例子。2021年前,游戏玩家在打开GTA5联机版时,即使拥有性能不错的电脑,也需要等待一段漫长的时间。后来有程序员解包发现,由于部分代码质量过低,某个只需一步完成的步骤,被迫跑了19.8亿次if语句——这段代码很简单,但占用了60%的计算资源[7]。   同样的道理在智能驾驶行业也成立:堆砌、消耗算力并不难,难的是通过高效算法将算力转化为实打实的用户体验。


一个有经验的算法团队常常能取得更高的算力费效比。比如小鹏刚刚向广州区域的P5车型推送了城市高阶辅助驾驶CNGP,在行业大多基于上百T算力实现这一目标时,小鹏P5仅搭载了算力30TOPS的Xaiver芯片,依靠的便是算法优化和高精地图加持[8]。   不久前与五菱一起推出低算力辅助驾驶方案的大疆车载认为,实现智能驾驶面临传感器、算力、算法、数据四座大山,四座山头需要一起翻越。换句话说,智能驾驶系统其实是一个木桶,决定最终体验的是不是某块长板,而是短板。   而在当下,整个汽车行业将芯片算力堆到数百乃至上千T的大有人在,但没有一家车企的辅助驾驶系统效果,比得上特斯拉基于144T算力做出来的FSD Beta。面对这种情况,很难说智能驾驶行业的短板在芯片算力上。    

神仙打架,车企真成组装厂?

英伟达与高通神仙打架,会造成智能汽车芯片三名之后寸草不生的局面吗?答案是否定的。   这是因为,与另一个芯片使用大户消费电子相比,汽车行业对成本更加敏感,市场高度分层,且对安全要求更高。而在目前,一枚汽车超算芯片很难同时满足上述条件。   从成本和市场角度来看,高算力芯片等于高成本,意味着只有部分高端车型才用得起,其下游车企往往是少数舍得下血本的硬件预埋派:先掏大价钱把算力、硬件堆高,再通过OTA更新功能。


英伟达已经量产的Orin,采用7nm工艺生产,算力254T,每片价格便达到400美元[9],目前只有蔚小理、智己、飞凡等品牌30万+的车型搭载。而Thor的算力达Orin 8倍,采用更先进的5nm工艺,其价格必定会比Orin更加惊人。   而从安全角度看,统管智能驾驶与智能座舱的超算级芯片虽然更加简洁,数据流转效率更高,但代价是失去了硬件级的安全冗余。如果芯片没有做好隔离,智能驾驶与智能座舱的应用可能会相互带崩(比如车机死机造成辅助驾驶突然退出),影响车辆安全。这给擅长把控安全的传统汽车半导体大厂留下了机会。   由于成本高企且难以满足全部需求,车企中也分化出了硬件自研派,比如蔚小理一边与英伟达、高通称兄道弟,另一边则各自建立芯片自研团队,研发与自家算法、软件匹配程度更高的芯片,试图将命运掌握在自己手中。


而在广阔的辅助驾驶市场,更加主流的其实是服务中低端车型的够用就好派。他们不追求(也无力使用 )高端配置,而是用低成本芯片、传感器,在有限场景内将辅助驾驶功能做好。   比如大疆与五菱今年合作推出的智驾版 KIWI EV则更进一步,采用200万像素摄像头为主传感器,计算平台算力仅16T,全套辅助驾驶套件成本在一万以内。   随着此类方案的流行,一些平价智能驾驶芯片如地平线J3(算力5T)、德仪TDA4(算力8T)正在打开越来越大的市场。  

1d6f024c-46c2-11ed-96c9-dac502259ad0.jpg

地平线CEO余凯的朋友圈   然而将时间线拉长,智能汽车对算力的需求在切实提升,汽车单枚大算力芯片取代多枚小算力芯片的趋势难以逆转,时间更像是英伟达与高通的朋友:   随着5nm工艺成熟、芯片出货量增加,超算级汽车芯片的价格会降低,从而在整体成本上更加节约。在发布会上,黄仁勋就夸下海口,表示Thor能够“一片顶六片”,整体上能为车企降本数百美元。  

1d8b5fbe-46c2-11ed-96c9-dac502259ad0.png

Thor芯片以一挑六   而影响一款芯片市场表现的隐形条件:软件与生态方面,英伟达各自手握AI训练和安卓开发生态,并拥有对应的软件工具链。近两年,英伟达与高通正在用软硬结合的方式,把越来越多的车企拉入其生态中。   国产智能汽车芯片的代表地平线也决定加入战局:明年,地平线将发布单芯片算力1000T的征程6,同样支持驾舱融合。在这之前,地平线的大算力芯片征程5获得了比亚迪、上汽、理想、红旗等国内车企的订单。   只是对车企们来说,一个棘手的问题在愈发清晰:一辆车的产品力正在越来越多地被一枚芯片所定义,车企如今的产品节奏正在被芯片大厂拿捏。如果不加码自研,车企很难逃脱罗永浩口中的“方案整合商”诅咒。


参考资料:

[1] AI领强算力时代,GPU启新场景落地,华西证券

[2] 英伟达最终活成了三芯,雷锋网

[3] 蔚来发布首款自动驾驶车型ET7,蔚来官网

[4] 毫末和自动驾驶的3.0时代,顾维灏

[5] 人工智能遭遇“存储墙”,存算一体必将破墙而出,雷石投资

[6] 可能是全网最详细的特斯拉FSD芯片解析:是猛兽还是小猫?电动星球

[7] GTA 5祖传「屎山」代码终于修复!R星认可黑客方案,还给他发了1万美元奖金,量子位

[8]  30TOPS算力就能实现自动驾驶?小鹏P5城市NGP体验,搜狐汽车

[9] 自主品牌转型7大分歧,看十余位车圈大佬高质量互怼,XEV研究所
编辑:黄飞


关键字:智能驾驶芯片  算力  Thor 引用地址:智能驾驶芯片的算力是越大就越好吗?

上一篇:围绕汽车域控制器的优势与应用展开论述
下一篇:纯电动汽车、混合动力汽车和增程式汽车三者区别

小广播
最新嵌入式文章
何立民专栏 单片机及嵌入式宝典

北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

换一换 更多 相关热搜器件

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved